TEORI PENDUGAAN

(TEORI ESTIMASI)
 Tujuan Pembelajaran
 Mempelajari bagaimana cara
melakukan pendugaan parameter
populasi berasarkan statistik yang
dihitung dari sampel
A. Pendahuluan
Pendahuluan :

 Tujuan utama kita mengambil sampel dari

suatu populasi adalah untuk memperoleh
informasi mengenai parameter populasi atau
singkatnya untuk mengetahui parameter
populasi itu sendiri.

 Parameter populasi misalnya : rata-rata dan

simpangan baku

 Contoh parameter dalam praktiknya yaitu

Rata-rata nilai ujian Bahasa inggris mahasiswa
UMY. Median nilai ujian Bahasa Inggris
mahasiswa UGM.
Pendahuluan :

 Sering kali parameter populasi tidak

diketahui, meskipun distribusi populasi
diketahui

 Misal :
 Suatu populasi mempunyai distribusi normal
tetapi parameter rata2 dan simpangan baku
tdk diketahui
 Suatu populasi mempunyai distribusi
binomial, tetapi parameter proporsi p tidak
diketahui
Pendahuluan :

 Oleh Karena parameter populasi tidak

diketahui, maka ada dua cara untuk
mengetahui parameter populasi yang
dipelajari dalam statistika inferensia, yaitu :
 Cara pendugaan (penaksiran/estimasi)
 Pengujian hipotesis.

 Dua cara ini didasarkan pada besaran yang

dihitung dari sampel.
Pendahuluan :
 Jenis statistik ada 2 :
 Statistika Deskriptif adalah statistika yang
berkenaan dengan metode atau cara
mendeskripskan, menggambarkan,
menjabarkan atau mengurangi data

 Statistika Inferensia adalah statistika yang

berkenaan dengan cara penarikan kesimpulan
berdasarkan data yang diperoleh dari sampel
untuk menggambarkan karakteristik atau ciri
dari suatu populasi
Pendahuluan :

Sample

N Sample
Populasi

Sampling

ˆ = ẍ, s, ṕ

 = µ, σ, p

Hubungan antara Populasi dan Sampel

Pendahuluan :

 Parameter populasi ditulis dengan huruf latin ,

di mana  bisa berupa:
 rata-rata populasi µ,

 simpangan baku populasi σ,

 proporsi populasi p.
 Sedangkan statistik dari sampel ditulis ˆ (topi),
bisa berupa :
 rata-rata sampel 𝐗,
 simpangan baku sampel S,
 proporsi sampel .
Pendahuluan :

 Dalam statistika inferensia, statistik ˆ inilah

yang dipakai untuk menduga parameter  dari
populasi
 ˆ => penduga sedangkan  => sesuatu yang
diduga
 Statistik ˆ = 𝐗 dipakai untuk menduga
parameter  = µ
 Statistik ˆ = S dipakai untuk menduga
parameter  = σ
 Statistik ˆ = dipakai untuk menduga
parameter  = p
B. Penduga Yang Baik
 Penduga Yang Baik
 Oleh karena tujuan statistik adalah untuk
memperoleh gambaran yang baik mengenai
populasi , maka statistik ˆ yang dipakai untuk
menduga parameter  haruslah merupaka penduga
yang baik.
 Ciri-ciri penduga yang baik ada 3 yaitu sbb :

1. ˆ merupakan penduga tidak bias

2.
ˆ merupakan penduga yang Efisien
3.
ˆ merupakan penduga yang Konsisten
 Penduga Tak Bias dan bias
 Penduga tak bias artinya : penduga yang
dengan tepat mengenai sasaran atau apabila
nilai penduga sama dengan nilai yang diduganya
 Penduga Efisien

• Penduga Efisien artinya bila ada lebih dari satu penduga, maka
penduga yang efisien adalah penduga yang mempunyai
variansi paling kecil

• Dari ketiga sampel diatas karena sampel 1 mempunyai variansi

paling kecil maka dikatakan  topi 1 merupakan penduga yang
paling efisien
 Penduga Konsisten : pergerakan ke kiri

• Penduga yang Konsisten artinya Jika ukuran sampel yang

diambil semakin bertambah maka nilai penduga akan
mendekati parameternya (bila sampel semakin besar, maka nilai
tetha topi akan semakin mendekati nilai tetha)

• JK ukuran sampel 1, yaitu n1, lebih kecil daripada ukuran sampel

2, yaitu n2 dan lebih kecil dari ukuran sampel 3 yaitu n3. makin
besar ukuran sampel, statistik penduga  topi semakin
mendekati parameter  dari populasi, dimana distribusi
sampel konsisten bergerak ke kiri
 Dua Jenis Teori Pendugaan

 Pendugaan Titik (Estimasi Titik).

 Bila nilai parameter  dari populasi hanya diduga
dengan memakai satu nilai statistik  (topi) dari
sampel yang diambil dari populasi tersebut
 Pendugaan Interval (Estimasi Interval).
 Bila nilai parameter  dari populasi diduga dengan
memakai beberapa nilai statistik  (topi) yang berada
dalam suatu interval, misalnya 1 (topi) <  < 2(topi)
C. Pendugaan Titik
 Pendugaan Titik
X 
 X  penduga titik untuk 
n

S 
2  ( X  X ) 2
 penduga titik untuk 2
n 1 (variasi)

X
pˆ   penduga titik untuk p
n
 Contoh
 Kita ingin menduga berapa sesungguhnya rata-
rata tinggi badan orang indonesia.
 Untuk itu kita ambil sampel acak sebanyak 1000
orang dan kita ukur tinggi badan masing2.
 Misal diperoleh rata-rata tingginya X= 164cm.
Nilai rata2 ini digunakan untuk menduga rata2
tinggi badan orang indonesia yg sesungguhnya.
 Karena kita hanya memakai satu nilai saja
X=164 sebagai penduga maka X=164 cm disebut
sebagai penduga titik
Kelemahan Penduga Titik

 Tidak dapat ditentukan derajat

kepercayaan
 Sampel berbeda => nilai statistik
juga beda
 Karena hanya satu maka kita akan
ragu penduga mana yg baik
D. Pendugaan Interval
Pendugaan/Estimasi Interval
Bila nilai parameter  dari populasi
diduga dengan memakai beberapa
nilai statistik  (topi) yang
berbeda dalam suatu interval,
misalnya 1(topi)<  < 2(topi),
maka statistik (topi) disebut
penduga interval
 Contoh
 Pada contoh sebelumnya
160 <<166 atau 155< <169, tinggi orang indonesia
diduga pada interval tersebut
 Dalam nendugaan interval semakin lebar interval,
semakin besar kepercayaan
 Dalam praktek interval yang harus dipakai adalah
interval yang sempit tetapi mempunyai derajat
kepercayaan yang dapat diterima
 Derajat kepercayaan penduga (topi) disebut
koefisien kepercayaan yang ditulis dengan α
dimana 0<α<1 dan dinyatakan dalam bentuk
probabilitas
 Contoh
 Pada contoh sebelumnya, rata-rata tinggi badan orang
indonesia diduga berada pada interval 160<<166 dengan
probabilitas 0.95 maka dituliskan P(160< <166)=0.95
 Bila rata-rata tinggi orang indonesia diduga berada pada
interval 155<  <169 dengan probabilitas 0.99 maka bisa
dituliskan P(155< <169)=0.99

 Dalam statistika biasanya dipilih interval yang lebih pendek,

tetapi dengan probabilitas yang tinggi atau kepercayaan yang
tinggi

 Dari kondisi diatas maka lebih baik memilih P(160<<166)=

0.95 karena terkadang dengan addanya keterbatasan dalam
ukuran sampel, pemilihan interval harus dengan
mengorbankan derajat kepercayaan karena interval yang
sempit dengan probabilitas yang tinggi sulit dicapai sekaligus
Rumus
 Dengan mengambil sampel acak secara
berulang maka kita akan memperoleh
distribusi statistik  sehingga probabilitas
dari interval 1(topi)<  <2(topi) akan
sama dengan nilai tertentu yang diinginkan
P[1(topi)<  <2(topi)]= 1-α, 0 <α< 1

 α disebut koefisien kepercayaan

 1- α derajat kepercayaan
 P(1(topi)<  <2(topi) ) interval kepercayaan
 Contoh
 Maka dari contoh sebelumnya Bahwa P(160< 
<166)= 0.95, maka ungkapan yang tepat
sekarang kita percaya 95% bahwa parameter
populasi  akan terletak antara 160 sampai
dengan 166 berdasarkan sampel yang diambil dr
populasi tersebut
 Jadi BUKAN, diungkapkan dengan probabilitas
sama dengan 0.95 bahwa parameter populasi 
terletak antara 160 sampai 166 berdasar sampel
yang diambil dari populasi itu
E. Pendugaan Parameter Populasi
dengan Sampel Besar ( n  30 )
 Pendugaan parameter rata-rata  :

 Interval kepercayaan (1 - ) untuk menduga rata-

rata , bila  diketahui adalah :


P X  Z  / 2 x    X  Z  / 2  x  1   
 Xbar : rata-rata distribusi sampel rata2
 Z /2 : nilai dari tabel distribusi normal kumulatif
 Sigma x : simpangan baku distribusi sampel rata2
  : koefisien kepercayaan
 • Untuk Populasi terbatas

• Untuk Populasi tak terbatas


• Dimana nilaix simpangan baku dari distribusi sampel rata-
rata ; Bila x tidak diketahui, maka dapat digunakan penduga
dari  yaitu S
Pendugaan perameter proporsi P:

 Interval kepercayaan (1 - ) untuk

menduga proporsi P adalah :

P pˆ  Z  / 2 pˆ  P  pˆ  Z  / 2pˆ   1  
Dimana :

X ˆ x
P dan P p
N n
 pˆ (1  Pˆ ) Untuk populasi tak
Pˆ  terbatas
n

Untuk populasi terbatas

p(1  p) N n
Pˆ 
n N 1
 Pendugaan parameter beda dua rata-rata
(1 - 2) :

 Interval kepercayaan (1 - ) untuk

menduga beda dua rata-rata 1 - 2 :

 
P ( X 1  X 2 )  Z  / 2   x1 x 2  1   2  ( X 1  X 2 )  Z  / 2   x1 x 2  1  

 Untuk populasi
1 2
2 2
( N 1  N 2 )  (n1  n2 ) terbatas
 x1 x 2   
n1 n2 ( N1  N 2 )  1

 12  22
 x1 x 2   o Untuk populasi tak
n1 n2 terbatas
 Pendugaan parameter beda dua proporsi
(P1 - P2):

 Interval kepercayaan (1 - )
untuk menduga beda dua
proporsi ( P1 - P2 ) adalah :

 
P ( p1  p 2 )  Z  / 2   pˆ 1 pˆ 2  p1  p 2  ( p1  p 2 )  Z  / 2   pˆ 1 pˆ 2  1  
 Untuk populasi Terbatas

 Untuk populasi Tak terbatas

 Contoh soal 1
 Dari populasi para pegawai suatu perusahaan
diambil sampel sebanyak 100 orang dan dicatat
gaji tahunan masing-masing.

 Rata-rata dan simpangan baku gaji mereka adalah

X = Rp 30.000.000,- dan S = Rp 6.000.000,-

 Jika nilai interval kepercayaan untuk menduga

sebesar 95%.

 Berapa sesungguhnya rata-rata gaji para pegawai

di perusahaan tersebut
 Contoh soal 2

 Pada suatu sampel acak ukuran n = 500

orang disuatu kota ditemukan bahwa 340
orang diantaranya suka menonton TV
untuk acara dunia dalam berita.
 Hitunglah interval kepercayaan 95% untuk
menduga berapa proporsi sesungguhnya
penduduk di kota itu yang suka menonton
TV untuk acara dunia dalam berita tsb.
 Contoh soal 3
 Ujian kalkulus diberikan dua kelompok mahasiswa,
yaitu mahasiswa perempuan sebanyak 75 orang dan
mahasiswa laki-laki sebanyak 50 orang
 Kelompok mahasiswa perempuan memperoleeh nilai
rata2 82 dengan simpangan baku 8, sedangkan
kelompok mahassiswa laki-laki memperolhe rata-
rata 76 dan simpangan baku 6.
 Bila µ1 menyatakan rata2 nilai ujian kelompok
mahasiswa laki2, buatlah interval kepercayaan 96%
untuk menduga berapa sesungguhnya beda rata-
rata dua kelompok mahasiswa tersebut
 Contoh Soal 4
 Suatu Survei diadakan terhadap pengunjung PRJ.
Untuk itu diambil dua kelompok sampel. Sampel
pertama adalah pengunjung perempuan sebanyak
500 orang an ketika mereka ditanya sebanyak 325
orang mengatakan puas dengan pameran di PRJ

 Sedangkan sampel kedua terdiri atas pengunjung

priasebanyak 700 orang, dan 400 orang diantaranya
menyatakan puas dengan pameran di PRJ.
 Buatlah interval kepercayaan 95% untuk menduga
berapa sesungguhnya beda dua populasi
pengunjung yang puas dengan pameran di PRJ
Contoh soal 5
 Suatu sampel acak sebesar 500
keluarga konsumen golongan masyarkat A dan 600
keluarga konsumen golongan masyarakat B telah
dipilih untuk suatu penelitian .
 Dari golongan A ternyata200 menyatakan senang
terhadap suatu hasil produksi tertentu, sedangkan
dari B, 150 keluarga menyatakan senang terhadap
barang hasil produksi tersebut.
 Tentukan 95% selang kepercayaanuntuk selisih
proporsi sesungguhnya kedua golongan konsumen
tersebut!
Jawab
Jawab
F. Pendugaan Parameter Populasi
dengan Sampel Kecil ( n < 30 )
 Pendugaan parameter rata-rata  :
 Interval kepercayaan (1-) untuk menduga rata-rata .
dengan sampel kecil (n<30) yang diambil dari suatu
populasi dimana variansi 2 tidak diketahui adalah:

 
P X  t ( / 2, )   x    X  t ( / 2, ) x  1  

S N n Nilai simpangan baku untuk

x   
populasi terbatas
n N 1
S
x   Nilai simpangan baku untuk
n populasi Tak terbatas

t ( / 2, )  Nilai t diperoleh dari tabel

distribusi t
 Pendugaan parameter beda dua rata-rata
(1 - 2) :
 Misalkan diketahui dua populasi masing-masing
mempunyai rata-rata 1 dan 2 , dan distribusinya
mendekati normal.
 Misalkan variansi dua populasi itu sama yaitu 12 = 22
= 2 tetapi tidak diketahui berapa besarnya.

 
P ( X 1  X 2 )  t ( / 2, )   x1 x 2  1   2  ( X 1  X 2 )  t ( / 2, )   x1 x 2  1  
 Dimana :

1 1
 x1 x 2  S p 
n1 n2
Pendugaan parameter beda dua rata-rata
(1 - 2) :

o disebut simpangan
(n1  1) S1  (n2  1) S 2
2 2

Sp  baku gabungan
n1  n2  2

o derajat kebebasan  = n1 + n2 - 2
 Pendugaan parameter beda dua rata-rata
(1 - 2) :

 bila variansi dua populasi itu tidak sama

besarnya yaitu 12  22 dan kedua variansi
tidak diketahui nilainya, maka interval
kepercayaan (1-) untuk beda dua rata-
rata (1 - 2) dari dua populsai tersebut
adalah :

 
P ( X 1  X 2 )  t / 2,   x1 x 2  1   2  ( X 1  X 2 )  t / 2,   x1 x 2  1  
Pendugaan parameter beda dua rata-rata
(1 - 2) :
o di mana : S1
2
S2
2

 x1 x 2  
n1 n2
Simpangan baku
2
 S1 2 S2
2

 
 n  n 
 1 
Derajat kebebasan 
2

 S 2  2  S22  
2

  1 n  
n
 
 1  2  
  
 n1  1 n2  1 
 
 
TERIMA KASIH